論文の概要: QoS Prediction for 5G Connected and Automated Driving

• arxiv url: http://arxiv.org/abs/2107.05000v1
• Date: Sun, 11 Jul 2021 09:19:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-13 15:39:04.635143
• Title: QoS Prediction for 5G Connected and Automated Driving
• Title（参考訳）: 5gコネクテッド・オートマチック運転におけるqos予測
• Authors: Apostolos Kousaridas, Ramya Panthangi Manjunath, Jose Mauricio Perdomo, Chan Zhou, Ernst Zielinski, Steffen Schmitz and Andreas Pfadler
• Abstract要約: 5G通信システムは、多くの高度な車両間通信(V2X)ユースケースの要求品質(QoS)要件をサポートすることができる。 安全で効率的な運転、特に自動走行車の運転は、供給された車両の急激な変更によって影響を受ける可能性がある。 この変更の予測と、これらの予測された変更の早期通知は、最近5G通信システムによって実現されている。
• 参考スコア（独自算出の注目度）: 3.318829340269831
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 5G communication system can support the demanding quality-of-service (QoS) requirements of many advanced vehicle-to-everything (V2X) use cases. However, the safe and efficient driving, especially of automated vehicles, may be affected by sudden changes of the provided QoS. For that reason, the prediction of the QoS changes and the early notification of these predicted changes to the vehicles have been recently enabled by 5G communication systems. This solution enables the vehicles to avoid or mitigate the effect of sudden QoS changes at the application level. This article describes how QoS prediction could be generated by a 5G communication system and delivered to a V2X application. The tele-operated driving use case is used as an example to analyze the feasibility of a QoS prediction scheme. Useful recommendations for the development of a QoS prediction solution are provided, while open research topics are identified.
• Abstract（参考訳）: 5G通信システムは、多くの高度な車両間通信(V2X)ユースケースの要求品質(QoS)要件をサポートすることができる。 しかし、特に自動走行車の安全で効率的な運転は、供給されたQoSの急激な変更によって影響を受ける可能性がある。 このため、QoS変更の予測と、これらの予測された変更の早期通知は、最近5G通信システムによって実現されている。 このソリューションにより、車両はアプリケーションレベルでの突然のQoS変化の影響を回避または緩和することができる。 本稿では,5G通信システムによってQoS予測が生成され,V2Xアプリケーションに配信される方法について述べる。 遠隔操作運転使用事例は、QoS予測スキームの実現可能性を分析する例として使用される。 qos予測ソリューションを開発するための有用な推奨事項が提供され、オープンリサーチのトピックが特定される。

関連論文リスト

• Autonomous Self-Trained Channel State Prediction Method for mmWave Vehicular Communications [2.2136561577994853]
  5G mmWaveの車載接続は、高いユーザモビリティのために大きな課題となる。 我々は,mmWave車両利用者を対象とした自律学習型CSI予測フレームワークを開発した。 本稿では,DeepMIMOデータセット生成環境を用いて提案フレームワークの実装と評価を行う。
  論文  参考訳（メタデータ） (2024-10-03T09:20:48Z)
• Towards Trustworthy Automated Driving through Qualitative Scene Understanding and Explanations [15.836913530330786]
  質的説明可能なグラフ(QXG)は、都市移動におけるシーン理解のための統一的な象徴的、質的表現である。 QXGはリアルタイムで構築することができ、様々なセンサータイプにわたる車内説明のための汎用的なツールである。 これらの説明は、乗客や信頼できるユーザーに通知することから、過去の行動のポストホック分析を可能にすることまで、様々な目的に役立てることができる。
  論文  参考訳（メタデータ） (2024-03-25T16:19:33Z)
• QoS prediction in radio vehicular environments via prior user information [54.853542701389074]
  セルラーテストネットワークから収集したデータを用いて,時間帯を予測するためのMLツリーアンサンブル手法の評価を行った。 具体的には、先行車両の情報を含め、無線環境から得られる測定値の相関を利用して、目標車両の予測を強化する。
  論文  参考訳（メタデータ） (2024-02-27T17:05:41Z)
• DISTINQT: A Distributed Privacy Aware Learning Framework for QoS Prediction for Future Mobile and Wireless Networks [2.114401279266792]
  5Gと6G以上のネットワークは、あるレベルのQuality of Service(QoS)に依存してスムーズな運用を行う、新しくて挑戦的なユースケースとアプリケーションをサポートすることが期待されている。 タイムリーな方法での予測は、特に車両通信の場合のように、安全クリティカルな応用において非常に重要である。 DisTINQTは、予測のための新しいマルチヘッド入力対応分散学習フレームワークである。
  論文  参考訳（メタデータ） (2024-01-15T13:00:48Z)
• Traffic-Domain Video Question Answering with Automatic Captioning [69.98381847388553]
  Video Question Answering (VidQA) は、高度な機械推論機能を促進する重要な可能性を示している。 本稿では,交通領域の知識を大規模ビデオ言語モデルに注入する弱スーパービジョン手法として,交通領域ビデオ質問回答と自動キャプション(TRIVIA)を提案する。
  論文  参考訳（メタデータ） (2023-07-18T20:56:41Z)
• Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
  本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。 擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
  論文  参考訳（メタデータ） (2022-06-28T17:08:31Z)
• Predictive Quality of Service (PQoS): The Next Frontier for Fully Autonomous Systems [29.362590041588454]
  自律システムにおいて予測(PQoS)を可能にする方法を提案する。 ネットワーク予測の恩恵を特に受けるユースケースについて論じる。 そして、今後の研究に向けてまだオープンな分野の課題について、光を当てた。
  論文  参考訳（メタデータ） (2021-09-20T08:55:51Z)
• Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving [104.32241082170044]
  本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。 既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。 私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
  論文  参考訳（メタデータ） (2021-09-03T13:33:33Z)
• AutoCP: Automated Pipelines for Accurate Prediction Intervals [84.16181066107984]
  本稿では、自動予測のための自動機械学習(Automatic Machine Learning for Conformal Prediction, AutoCP)というAutoMLフレームワークを提案する。 最高の予測モデルを選択しようとする慣れ親しんだAutoMLフレームワークとは異なり、AutoCPは、ユーザが指定したターゲットカバレッジ率を達成する予測間隔を構築する。 さまざまなデータセットでAutoCPをテストしたところ、ベンチマークアルゴリズムを著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2020-06-24T23:13:11Z)
• TPNet: Trajectory Proposal Network for Motion Prediction [81.28716372763128]
  Trajectory Proposal Network (TPNet) は、新しい2段階の動作予測フレームワークである。 TPNetはまず、仮説の提案として将来の軌道の候補セットを生成し、次に提案の分類と修正によって最終的な予測を行う。 4つの大規模軌道予測データセットの実験は、TPNetが定量的かつ定性的に、最先端の結果を達成することを示した。
  論文  参考訳（メタデータ） (2020-04-26T00:01:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。